Prediksi Ketepatan Waktu Lulus Mahasiswa dengan k-Nearest Neighbor dan Naïve Bayes Classifier
Kata Kunci:
prediksi ketepatan waktu lulus, k-Nearest Neighbor, Naive Bayes ClassifierAbstrak
Salah satu aspek pengukuran kualitas dalam evaluasi keberhasilan penyelenggaraan pendidikan tinggi adalah ketepatan lulus mahasiswa. Jumlah prosentase mahasiswa yang lulus tepat waktu menjadi indikator keberhasilan pelaksanaan proses belajar mengajar di suatu program studi. Penelitian ini menawarkan penggunaan metode penggalian data untuk memprediksi waktu lulus mahasiswa menggunakan dua metode yaitu k-Nearest Neighbour dan Naïve Bayes Classifier. Hasil dari penelitian ini berupa sistem yang dapat memprediksi ketepatan waktu lulus. Uji coba dilakukan dengan menggunakan data lulusan mahasiswa D3 Sistem Informasi Universitas Airlangga. Hasil uji coba menunjukkan bahwa metode k-Nearest Neighbor menghasilkan akurasi lebih tinggi dibandingkan dengan Naïve Bayes Classifier. Akurasi tertinggi diperoleh dengan menggunakan metode k-Nearest Neighbor yaitu sebesar 98.7%. Oleh karena itu dapat disimpulkan bahwa sistem yang dibangun pada penelitian ini mampu memprediksi ketepatan waktu lulus dengan akurasi cukup tinggi.Unduhan
Data unduhan tidak tersedia.
Unduhan
Diterbitkan
2017-11-15
Terbitan
Bagian
Artikel
Lisensi
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini:
- Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal.
- Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama.
- Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.
Cara Mengutip
Prediksi Ketepatan Waktu Lulus Mahasiswa dengan k-Nearest Neighbor dan Naïve Bayes Classifier. (2017). Jurnal Komputer Terapan, 3(2), 233-240. https://jurnal.pcr.ac.id/index.php/jkt/article/view/1544
